「聊天机器人」可以是三个按钮组成的菜单、一个关键词匹配器、一个问答检索,也可以是根据你的帮助中心作答的大语言模型。它们的表现、成本和出错方式都很不一样。比较它们最有用的角度,是看它怎样产生答案;问任何一个机器人最有用的问题,是:它答不了的时候会怎样?下面讲主要的类型、用大白话解释检索增强的 AI,以及一个 AI 优先的客服设置一个月下来的数据。
读完你会知道
- 按「怎样给出答案」给机器人分类:菜单、规则、预存问答匹配,还是有依据的 AI
- 如今网站上的机器人多是混合型:先用预存答案,再用 AI,最后转人工
- 评价机器人看它解决了多少、转人工转得是否干净,而不是看它像不像人
什么是聊天机器人?
聊天机器人是用文字(或语音)和人对话的软件,通常用来回答问题或完成简单任务。在网站和 App 上,它一般就在聊天窗口里,在真人之前、或者代替真人回答。
这个想法由来已久。Joseph Weizenbaum 在 1966 年做的 ELIZA 模仿心理咨询师:匹配用户输入里的模式,再换个说法反问回去。此后五十年,大多数机器人都是这样基于规则工作的。大语言模型改变了机器人能说什么,却没有改变最重要的设计问题:它不知道答案时怎么办。
按「怎样回答」分类
表格对比了你会遇到的六种类型,从按钮菜单到检索增强的 AI。简单说:
- 菜单 / 按钮式从不会误解,因为访客只能点给出的选项。
- 规则 / 关键词型在消息包含某些词时回复。容易控制,也容易失灵:「取消我的套餐」和「别再扣我钱了」可能匹配不到同一条规则。
- 问答检索型把问题匹配到预存的问答对,原样发送预存答案。准确、安全,但只限于你写过的内容。
- 生成式 AI 用大语言模型写出一个新回答。能应对各种说法,但没有依据时可能说出不真实的内容。
- 检索增强(RAG)型先在你的文档里搜出相关段落,再让模型只根据这些段落回答。大多数基于知识库的客服机器人都是这样工作的。
- 混合型在上述任意一种之上,再加上转人工。
| 类型 | 怎样回答 | 优点 | 缺点 | 适合 |
|---|---|---|---|---|
| 菜单 / 按钮式 | 访客点击预设选项 | 可预期、成本低 | 菜单外的问题一概处理不了 | 分流、简单流程 |
| 规则 / 关键词型 | 消息里有 X,就回复 Y | 容易控制 | 脆弱,换个说法就匹配不上 | 少量、稳定的常见问题 |
| 问答检索型 | 把问题匹配到预存的问答 | 完全按写好的答案回复 | 只知道存进去的内容 | 政策、价格、营业时间 |
| 生成式 AI(大模型) | 生成一段新的回答 | 能应对各种说法 | 没有依据时可能编造事实 | 有人监督的开放式问题 |
| 检索增强 AI(RAG) | 先在你的文档里找相关段落,再据此作答 | 回答有你的内容做依据 | 文档质量决定上限 | 基于知识库的客服 |
| 混合型(机器人 + 人工) | 机器人先答,转接后由人接手 | 既能扛量又能处理特殊情况 | 转接后要有人接 | 大多数客服场景 |
语音助手用的也是这些方法,只是输入输出换成了语音。
按「用途」分类
- 客户服务:回答政策、产品和账户问题。
- 销售和获客:筛选访客、预约演示、收集联系方式。
- 事务处理:查订单、改预约、重置密码,需要调用你系统的接口。
- 内部助手:回答员工的人事或 IT 问题。
事务型机器人需要安全地接入你的系统;只回答问题的客服机器人不需要。选工具之前,先想清楚你要做的是哪一种。
规则型和 AI 型的对比
| 规则型 | AI 型(检索增强) | |
|---|---|---|
| 搭建 | 写流程和规则 | 写或导入知识,配置转人工 |
| 应对新的说法 | 差 | 好 |
| 可预期性 | 高 | 较低,需要护栏 |
| 风险 | 走进死胡同,让人恼火 | 知识缺失或含糊时答错 |
| 维护 | 逐条更新规则 | 更新知识库 |
实际中效果较好的是组合:价格、法律条款这类必须一字不差的问题用预存答案;文档覆盖到的其他问题交给 AI;剩下的交给人。
检索增强的 AI 是怎么工作的
检索增强生成(RAG)由 Lewis 等人在 2020 年提出。放到客服机器人上,分四步:
- 切分:把帮助文章和政策切成短段落。
- 检索:找出与访客问题最相关的段落。
- 生成:让语言模型只根据这些段落作答。
- 转接:检索不到相关内容,或模型判断资料不够时,转给人。
它的上限是你的文档。退款政策没写下来,机器人就答不了;好的机器人应该如实说明并转人工,而不是去猜。
示例:AI 优先客服的一个月
示例数据:某网店把客服设为 AI 优先,运行一个月。1,000 个会话中,380 个(38%)由 AI 回答且没有转人工;另外 620 个转给了人,原因见表格。转人工最多的原因是知识库没有匹配(230 个,占转人工的 37%),这是可以修的:团队读这些问题,新写 15 条问答和两篇文章,下个月因「无匹配」转人工的数量就会下降。「访客要求转人工」(29%)不算失败,访客应该随时能找到人。
要看的数字有三个:不转人工就回答的比例;AI 回答的会话和人工回答的会话的满意度对比;几天内同一话题的重复咨询——它会暴露那些听起来对、却没解决问题的回答。
会话数
1,000
AI 回答、未转人工
38%
转给人工
62%
AI 为什么转人工 · 一个月
示例 · AI 优先模式| 转人工原因 | 会话数 | 占转人工的比例 |
|---|---|---|
| 知识库没有匹配 | 230 | 37% |
| 访客要求转人工 | 180 | 29% |
| 达到轮次上限 | 90 | 15% |
| 模型依据资料无法回答 | 60 | 10% |
| 客服主动接管 | 60 | 10% |
共转人工 620 次,占比为四舍五入。
怎样选择
- 从历史对话里列出最常见的 30 个问题。如果大部分都有一个标准答案,先从预存问答做起。
- 检查文档。RAG 需要完整、最新的文章,先把它们写好。
- 决定机器人能做什么。只回答风险低;执行操作(退款、取消)需要系统集成和管控。
- 先设计转人工,再设计机器人:谁来接、什么时间、没人在线时访客看到什么。
- 每月复盘,把没答上的问题补进知识库。
常见错误
- 找不到真人:让人讨厌机器人的最快方式。
- 假装是人:美国加州的机器人披露法(SB 1001)和欧盟《人工智能法》第 50 条,都要求在很多场景下告知用户正在和自动化系统交互。坦白说明即可。
- 知识过时:报出去年价格的机器人,比没有机器人危害更大。
- 无限循环:限制机器人的轮次,到了就转人工。
- 只看「拦截率」:机器人结束的对话不等于问题被解决了。
TapCub 里的机器人回复
TapCub 的 AI 回复是问答检索和检索增强生成的混合型,背后还有人:
- 问答条目:在 客服 › 知识库 里维护,访客的问题匹配上时按原文发送,不调用 AI。文档会切成约 600 字的段落;没有问答匹配时,用全文检索(不是向量库)找出最相关的段落,由模型据此起草回答。
- 三种模式:在 客服 › 聊天设置 › AI 接待 里选择——关闭、仅在全部客服离线时、AI 优先。参见设置 AI 回复。
- 披露:首次回复前告知访客正在和 AI 对话,这一提示无法关闭;AI 消息带有 AI 标签。
- 转人工:达到可设置的轮次(1–20,默认 6)、资料不足或访客要求时转人工,工作台会标明原因。额度用完或模型调用失败时,访客不会看到报错,而是直接转人工。
- 只回答,不操作:AI 助手不能改订单、发邮件或调用其他系统。
- 持续改进:从已解决的对话生成问答草稿;AI 答错时在工作台点「纠错入库」,存下正确答案。AI 调用怎样计入套餐,见 AI 客服调用怎么计数。
常见问题
聊天机器人主要有哪些类型?
按回答方式分:菜单 / 按钮式、规则 / 关键词型、问答检索型、生成式 AI、检索增强 AI,以及能转人工的混合型。
规则型机器人和 AI 机器人有什么区别?
规则型机器人按人写好的固定流程和关键词规则工作;AI 机器人用语言模型理解各种说法并生成回答,并且应以你自己的文档为依据。
哪种机器人最适合客服?
混合型:必须准确的问题用预存答案,文档覆盖到的问题用检索增强 AI,其余的清楚地转给人。
一定要告诉访客对面是机器人吗?
很多地方法律有要求,而且在哪里都是好做法。美国加州 SB 1001 和欧盟《人工智能法》都包含关于自动化交互的披露要求。
资料来源
- Weizenbaum, J. (1966). ELIZA: A Computer Program for the Study of Natural Language Communication Between Man and Machine. Communications of the ACM, 9(1), 36–45.
- Lewis, P. et al. (2020). Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks. NeurIPS 2020.
- 美国加州议会,SB 1001:机器人披露法(2018)。
- 欧盟,《人工智能法》(条例 (EU) 2024/1689),第 50 条。
这篇文章对你有帮助吗?
我们会根据反馈修改和补充这篇内容。
提交没有成功,请稍后再试。
谢谢你的反馈,我们会据此改进这篇内容。你已经反馈过这篇了,谢谢。

